Kiinalaiset sotilastutkijat hyödyntävät Yhdysvaltojen tekoälymalleja puolustusjärjestelmissä

Mitä mallien tislaus tarkoittaa?

Tislauksessa tehokasta niin sanottua opettajamallia ei kopioida suoraan. Sen sijaan tutkijat lähettävät sille kyselyitä julkisen rajapinnan eli API:n kautta, keräävät vastaukset ja käyttävät kysymys–vastauspareja pienemmän oppilasmallin koulutusaineistona. Oppilasmalli pyrkii jäljittelemään opettajansa toimintaa, päättelyä ja tehtävissä suoriutumista .

Menetelmä on sinänsä tavallinen koneoppimisen tekniikka: suuren mallin osaamista voidaan pakata pienempään ja halvempaan järjestelmään. Kiistanalaiseksi se muuttuu silloin, kun toisen yrityksen suljetun mallin kykyjä kerätään laajamittaisesti ilman lupaa. Puolustussovelluksissa pienempi malli voidaan ajaa paikallisella laitteistolla ilman sitä valtavaa laskentainfrastruktuuria, jota uuden eturintaman mallin rakentaminen alusta lähtien vaatisi .

Mihin sotilassovelluksiin malleja on käytetty?

Reutersin tarkastelemat asiakirjat viittaavat siihen, että tislausta on tutkittu ja hyödynnetty useilla puolustuksen osa-alueilla :

• Valvonta ja tiedustelu: tiedusteluaineiston käsittely ja analysointi
• Kybertoiminta: automaattiset hyökkäys- ja puolustusjärjestelmät
• Dronet ja taktiset operaatiot: autonomiset lennokkiryhmät ja taistelukentän päätöksenteon tukijärjestelmät
• Sotilasajoneuvot: Kiinan valtion omistama puolustusyhtiö Norinco on esitellyt DeepSeekillä toimivan ajoneuvon, joka kykenee itsenäisiin taistelutukitehtäviin ja jopa 50 kilometrin tuntinopeuteen. DeepSeekin itsensä on kerrottu hyödyntäneen tislausta .

Eräässä Kansan vapautusarmeijan yksikön 96904 tutkimuksessa Yhdysvaltojen mallien tislausta kuvattiin keinona luoda puolustuskäyttöön ”pienempiä ja turvallisempia” versioita . Toisessa, Pekingissä toimivaan sotilastiedustelu- ja kyberyksikköön 96941 liittyvässä tutkimuksessa kuvattiin OpenAI:n GPT-3.5-mallin käyttöä arkaluonteisen sotilasohjelmakoodin käsittelyssä . Kansan vapautusarmeijan National University of Defense Technology -yliopistossa vuonna 2024 julkaistussa tutkimuksessa tislausta käytettiin kuvankäsittelymallin pienentämiseen niin, että se soveltuisi rajallisen laskentakapasiteetin sotilaslaitteistolle .

Miksi menetelmä kiinnostaa Kiinaa?

Suurin hyöty on taloudellinen. Eturintaman tekoälymallin kouluttaminen tyhjästä voi vaatia miljardien dollarien investoinnit, vuosien tutkimustyön, valtavia aineistoja ja pääsyn kehittyneisiin puolijohteisiin. Tislaus tarjoaa tavan saada osa valmiin mallin kyvykkyydestä ilman vastaavaa alkuinvestointia .

Yhdysvaltojen vientirajoitukset ovat vaikeuttaneet Kiinan pääsyä kaikkein kehittyneimpiin siruihin ja muihin strategisiin teknologioihin. Pienempiin paikallisesti ajettaviin malleihin siirtyminen voi osittain kiertää tätä pullonkaulaa .

Yhdysvaltalaisyhtiöt ovat myös väittäneet, että jotkin kiinalaiset kehittäjät ovat käyttäneet väärennettyjä tilejä ja välityspalvelinverkostoja API-käytön rajoitusten kiertämiseen. Anthropicin mukaan sen tutkinnassa havaittiin yli 16 miljoonaa Claude-malliin kohdistunutta keskusteluvaihtoa noin 24 000 väärennetyn tilin kautta. Kiinalaisen MiniMax-yhtiön väitettiin vastanneen yksin yli 13 miljoonasta vaihdosta .

Syytökset laajamittaisesta mallien kaappaamisesta

Tapaus on osa nopeasti kärjistyvää Yhdysvaltojen ja Kiinan välistä teknologiakiistaa:

• Helmikuu 2026: OpenAI, Anthropic ja Google julkaisivat kukin tietoja koordinoiduista tislauskampanjoista, joissa niiden mukaan olivat mukana kiinalaiset DeepSeek-, Moonshot AI- ja MiniMax-yhtiöt . Anthropic kutsui toimintaa tarkoituksellisiksi ”tislaus-hyökkäyksiksi” .
• Huhtikuu 2026: Yhdysvaltain edustajainhuoneen kuulemisessa käsiteltiin OpenAI:n muistiota, jossa kuvattiin monivaiheisia prosesseja. Niissä käytettiin useita API-tilejä, välityspalvelinverkostoja ja käyttäytymisen jäljittelyä tunnistamisen välttämiseksi .
• Kesäkuu 2026: Anthropic syytti kiinalaista Alibaba-yhtiötä tähän asti suurimmasta tunnetusta Claude-malliin kohdistuneesta tietojen irrottamisesta. Yhtiön mukaan kampanja kesti 22. huhtikuuta 5. kesäkuuta .
• Heinäkuu 2026: Yhdysvaltain valtiovarainministeri Scott Bessent varoitti mahdollisista pakotteista syytettyään kiinalaista Moonshot AI -laboratoriota Anthropicin kehittyneen Fable 5 -mallin tislaamisesta. Yhdysvaltain kauppaministeriön Bureau of Industry and Security selvittää lisäksi, ovatko kiinalaiset yhtiöt hankkineet kehittyneitä yhdysvaltalaisia siruja laittomasti .

Menetelmän rajat ovat sotilaskäytössä olennaisia

Tislaus ei tee oppilasmallista automaattisesti opettajamalliaan parempaa. Tekniikkaan liittyy useita rajoituksia:

• Kykyjen katto: Oppilasmalli ei yleensä ylitä sitä mallia, josta se on oppinut. Se voi periä opettajan vahvuudet, mutta myös tämän sokeat pisteet ja virhemallit .
• Laadun heikkeneminen kierros kierrokselta: Toistuva tislaus voi hävittää hienovaraista päättelyä, harvinaista tietoa ja turvallisuuteen liittyvää hienosäätöä .
• Turvasuojausten rapautuminen: Tämä on sotilaskäytössä erityisen merkittävä riski. Tutkimuksen mukaan niin sanottu pehmeiden tunnisteiden tislaus voi heikentää oppilasmallin turvallisuussuojauksia jopa 50 prosenttiyksikköä verrattuna alkuperäiseen opettajamalliin, vaikka suorituskyky tavanomaisissa tehtävissä säilyisi . Tislatuilla malleilla ei välttämättä ole alkuperäisen mallin vahvoja kieltäytymis- ja haitattomuusmekanismeja . Anthropicin mukaan luvattomasti tislatuista malleista puuttuu tarvittavia suojauksia, mikä voi aiheuttaa merkittäviä kansallisen turvallisuuden riskejä .
• Puolustusten kiertäminen: Tulosteiden muokkaus, datan myrkyttäminen ja käyttömäärien rajoittaminen eivät tutkimusten perusteella välttämättä tehoa määrätietoiseen toimijaan, joka käyttää useita tilejä, vaiheittaisia prosesseja ja hajautettua tiedonkeruuta .

Mikä on turvallisuusriski?

Keskeinen huoli ei ole vain se, että kehittyneiden mallien osaamista voidaan siirtää kilpailijan järjestelmiin. Tislaus voi samalla karsia pois osan alkuperäisen mallin turvallisuusrajoista.

Tällöin syntyy kaksi ongelmaa. Ensinnäkin pienempiä, vähemmän suojattuja malleja voidaan käyttää sotilas- ja valvontasovelluksissa, joita alkuperäiset yhdysvaltalaiset yhtiöt kieltävät käyttöehdoissaan . Toiseksi Yhdysvaltojen etumatka voi kaventua, jos kilpailija pystyy ohittamaan vuosien tuotekehityksen ja osan laskentakustannuksista .

API-rajapinnan kautta tapahtuvaa mallien kaappaamista on myös vaikea erottaa tavallisesta runsaasta käytöstä. Tämä hankaloittaa syyllisen tunnistamista, todisteiden keräämistä ja sääntöjen toimeenpanoa . Maaliskuussa 2026 Anthropic kertoi lisänneensä Claude Codeen seurantakoodia, jonka tarkoituksena oli tunnistaa kiinalaisia käyttäjiä ja mahdollisia tislaajia .

Teknologiayhteistyö kiristyy entisestään

Mallien tislausta koskevat syytökset kiihdyttävät Yhdysvaltojen ja Kiinan tekoälyalan eriytymistä. Pöydällä ovat muun muassa kehittyneiden sirujen vientirajoitukset, API-yhteyksien tiukemmat ehdot, kehittäjätilien henkilöllisyyden varmistaminen ja mahdolliset talouspakotteet .

Strateginen ongelma on kaksijakoinen: tislaus voi auttaa Kiinan sotilaallisia toimijoita hyödyntämään Yhdysvalloissa tehtyjä tekoälyinvestointeja huomattavasti pienemmillä kustannuksilla, mutta prosessi saattaa samalla synnyttää alkuperäisiä malleja vähemmän rajoitettuja sotilasjärjestelmiä. Kun molemmat osapuolet vastaavat tähän yhä kovemmilla valvonta- ja vastatoimilla, tekoälystä voi muodostua uusi teknologisen turvallisuuskierteen keskus .